文献

J-GLOBAL ID：202202275725421931   整理番号：22A0849087

増分散逸性を用いたニューラルネットワークにおける敵対攻撃に対するロバスト性【JST・京大機械翻訳】

Robustness Against Adversarial Attacks in Neural Networks Using Incremental Dissipativity

著者 (5件)： Aquino Bernardo (Department of Electrical Engineering, University of Notre Dame, Notre Dame, IN, USA) ,  Rahnama Arash (Amazon Inc, New York, NY, USA) ,  Seiler Peter (Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI, USA) ,  Lin Lizhen (Department of Applied Computational Mathematics and Statistics, University of Notre Dame, Notre Dame, IN, USA) ,  Gupta Vijay (Department of Electrical Engineering, University of Notre Dame, Notre Dame, IN, USA)
資料名： IEEE Control Systems Letters  (IEEE Control Systems Letters)
巻： 6  ページ： 2341-2346  発行年： 2022年 
JST資料番号： W3481A  ISSN： 2475-1456  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 敵対用例は,ニューラルネットワークにおける分類性能を容易に分解することができた。そのような例に対するロバスト性を促進するための経験的方法が提案されているが,しばしば,解析的洞察と形式的保証の両者を欠いている。最近,いくつかのロバスト性証明書が,システム理論的概念に基づく文献に現れた。このレターは,各層に対する線形行列不等式の形式において,ニューラルネットワークに対する増分散逸性ベースロバスト性証明書を提案する。また,多重層を持つニューラルネットワークにスケーラブルであるこの証明書に結合された十分なスペクトルノルムを提案した。CIFAR-10を用いて訓練されたMNISTとAlexnet上で訓練されたフィードフォワードニューラルネットワークに対する敵対攻撃に対する改善された性能を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 性能 ,  不等式 ,  解析 ,  *ニューラルネットワーク ,  スペクトル ,  システム理論 ,  多層 ,  *ロバスト性 ,  ノルム ,  *サイバー攻撃
準シソーラス用語： 敵意 ,  証明書 ,  用例 ,  フィードフォワードニューラルネットワーク ,  線形行列不等式 , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 増分 ,  散逸 ,  ニューラルネットワーク ,  敵対 ,  攻撃 ,  ロバスト性